面部表情分析如何幫助預(yù)測帕金森?。?/h1>

更新時(shí)間：2025-07-31點(diǎn)擊次數(shù)：338

隨著全球人口老齡化的加劇，帕金森?。≒arkinson’s Disease, PD）的發(fā)病率逐年上升，成為繼阿爾茨海默病之后的第二大常見神經(jīng)退行性疾病。據(jù)預(yù)測，未來幾年內(nèi)帕金森病的患者數(shù)量將翻倍，這不僅對患者的健康和生活質(zhì)量構(gòu)成嚴(yán)重威脅，也給社會和醫(yī)療體系帶來了巨大的經(jīng)濟(jì)負(fù)擔(dān)。

帕金森病的其中一個(gè)癥狀是面部表情的情緒表達(dá)出現(xiàn)缺陷，因此，面部表情的變化也成為其早期識別與診斷的判斷標(biāo)準(zhǔn)之一。

來自成都醫(yī)學(xué)院的研究團(tuán)隊(duì)就提出了一種基于面部表情分析系統(tǒng)（FaceReader）提供的面部表情參數(shù)和人口統(tǒng)計(jì)學(xué)特征的貝葉斯網(wǎng)絡(luò)模型來預(yù)測PD，旨在為臨床診斷和治療提供初步依據(jù)，并應(yīng)用于關(guān)注PD面部表情障礙患者的需求和康復(fù)（Mouse et al., 2025）。

 

帕金森病的早期識別與診斷

帕金森病的主要臨床表現(xiàn)包括震顫、肌強(qiáng)直、運(yùn)動遲緩、姿勢不穩(wěn)以及“面具臉"（hypomimia）等癥狀。其中，“面具臉"作為早期典型癥狀之一，表現(xiàn)為面部表情減少、眨眼異常，是肌張力增高導(dǎo)致面部肌肉活動受限的結(jié)果。

研究表明，帕金森病患者不僅在表達(dá)基本情緒時(shí)存在困難，而且在識別他人面部表情時(shí)也表現(xiàn)出缺陷。這種情緒識別和表達(dá)的障礙不僅影響了患者的社交互動和心理健康，還可能加劇疾病的非運(yùn)動癥狀，如抑郁和焦慮。

盡管已有研究揭示了帕金森病患者面部表情的變化，但這些變化如何具體影響疾病的早期識別和診斷仍不明確。因此，開發(fā)一種基于面部表情分析的早期診斷工具具有重要的臨床意義和應(yīng)用前景。

 

FaceReader幫助精準(zhǔn)捕捉面部肌肉變化

實(shí)驗(yàn)招募了成都醫(yī)學(xué)院第一附屬醫(yī)院的18名帕金森病患者和18名健康對照者。

實(shí)驗(yàn)中，被試被要求進(jìn)行12個(gè)單音節(jié)、8個(gè)雙音節(jié)和6個(gè)多音節(jié)詞的發(fā)音測試，同時(shí)使用電腦的前置攝像頭記錄其面部表情。為確保數(shù)據(jù)準(zhǔn)確性，實(shí)驗(yàn)在均勻照明的房間內(nèi)進(jìn)行（圖1）。

其中，使用諾達(dá)思的面部表情分析系統(tǒng)（FaceReader）對錄制的視頻片段進(jìn)行面部表情分析。軟件基于面部動作單元（Facial Action Units, AUs）分析面部肌肉運(yùn)動，能夠自動識別20種常用的面部動作單元，并同時(shí)測量面部兩側(cè)的活動強(qiáng)度，精準(zhǔn)捕捉被試在發(fā)音過程中面部肌肉的微小運(yùn)動。

分析結(jié)果包括七種基本表情：快樂、悲傷、憤怒、驚訝、恐懼、厭惡和中性表情。此外，F(xiàn)aceReader提供每種表情的強(qiáng)度參數(shù)（如效價(jià)和喚醒度），以及面部動作單元的活動強(qiáng)度數(shù)據(jù)。

 

 

實(shí)驗(yàn)共收集了67224個(gè)面部表情參數(shù)，并詳細(xì)記錄了被試的人口學(xué)信息，包括年齡、性別、職業(yè)、教育水平、飲酒習(xí)慣和吸煙習(xí)慣等。

使用信息增益方法篩選出16個(gè)隨機(jī)變量（性別、年齡、飲酒、吸煙、職業(yè)、教育水平、中性、快樂、喚醒度、驚訝、效價(jià)、悲傷、厭惡、憤怒、恐懼和組別）用于構(gòu)建貝葉斯網(wǎng)絡(luò)模型。最終，構(gòu)建了基于整個(gè)數(shù)據(jù)集、單音節(jié)測試、雙音節(jié)測試和多音節(jié)測試的四個(gè)貝葉斯網(wǎng)絡(luò)模型(圖1）。

 

面部表情、人口學(xué)信息 與帕金森患病率的關(guān)系構(gòu)建

結(jié)果表明，帕金森病組和對照組在性別、年齡、飲酒、吸煙、職業(yè)和教育水平方面無顯著差異（p > 0.05），而在三種音節(jié)測試中的面部表情存在顯著差異（p < 0.001）。

具體而言，帕金森病組的快樂、驚訝、效價(jià)和喚醒度中值顯著低于對照組，而負(fù)面表情（悲傷、憤怒、恐懼和厭惡）的中值顯著高于對照組（表1）。這一發(fā)現(xiàn)與過往研究結(jié)果一致，進(jìn)一步證實(shí)了帕金森病患者正面表情減少、負(fù)面表情增多的現(xiàn)象。這一變化與疾病進(jìn)展過程中的面部肌張力增高密切相關(guān)。

分析貝葉斯網(wǎng)絡(luò)模型的有效性，結(jié)果顯示，四個(gè)貝葉斯網(wǎng)絡(luò)模型的訓(xùn)練集和測試集的敏感度、特異度和曲線下面積（AUC）均接近0.96，模型間無顯著差異。這表明基于面部表情和人口統(tǒng)計(jì)學(xué)特征的貝葉斯網(wǎng)絡(luò)模型在預(yù)測帕金森病概率方面具有較高的準(zhǔn)確性和可靠性，能進(jìn)一步構(gòu)建面部表情、人口統(tǒng)計(jì)學(xué)特征與帕金森病概率之間的復(fù)雜關(guān)系，為臨床診斷提供有力支持。

此外，通過信息增益方法篩選出的關(guān)鍵變量中，年齡、教育水平和職業(yè)是預(yù)測帕金森病概率的最重要因素。隨著年齡的增長，帕金森病的概率增加；教育水平較高和特定職業(yè)選擇可能增加患病風(fēng)險(xiǎn)。在面部表情參數(shù)中，“快樂"在單音節(jié)、雙音節(jié)和未分段音節(jié)模型中是有影響力的因素，而喚醒度在多音節(jié)模型中是最佳預(yù)測因子。

此外，通過分析不同音節(jié)測試中的面部表情變化，可以更準(zhǔn)確地預(yù)測帕金森病的概率。特別是單音節(jié)閱讀時(shí)產(chǎn)生的恐懼表情對PD概率的影響最大，多音節(jié)閱讀時(shí)產(chǎn)生的厭惡表情對PD概率的影響最小。

這或許是因?yàn)?，隨著發(fā)音復(fù)雜性的增加，帕金森病患者的認(rèn)知負(fù)荷也相應(yīng)增加，導(dǎo)致大腦神經(jīng)對肌肉運(yùn)動的控制變得更加困難。這可以解釋為什么在多音節(jié)測試中，患者的負(fù)面表情增加較少，而正面表情減少更為顯著。理解不同發(fā)音復(fù)雜性水平下帕金森病患者的認(rèn)知負(fù)荷和運(yùn)動規(guī)劃需求，有助于開發(fā)更有效的康復(fù)治療方案。

 

面部表情分析在帕金森病診斷中的潛力

本研究通過貝葉斯網(wǎng)絡(luò)模型分析了面部表情變化在帕金森病早期診斷中的潛力，確定了面部表情對PD的概率有顯著影響。

研究表明，使用面部表情分析系統(tǒng)（FaceReader）分析帕金森病患者的面部表情變化，有助于揭示患者情緒表達(dá)的障礙類型和程度。系統(tǒng)自動化高效可靠的數(shù)據(jù)分析能力可為制定個(gè)性化的康復(fù)治療方案提供依據(jù)。未來研究可以針對患者情緒表達(dá)的障礙類型，設(shè)計(jì)相應(yīng)的情緒訓(xùn)練和面部肌肉鍛煉計(jì)劃，以改善患者的情緒表達(dá)和社交互動能力。

此外，未來研究應(yīng)進(jìn)一步擴(kuò)大樣本量、探討藥物影響，并開發(fā)基于移動技術(shù)的家庭康復(fù)工具。例如可以利用平板電腦上的專用應(yīng)用程序，通過實(shí)時(shí)面部表情分析為患者提供個(gè)性化康復(fù)建議。

 

參考文獻(xiàn)

• Mouse M, Gong H, Liu Y, Xu F, Zou X, Huang M and Yang X (2025) Changes in facial expressions can distinguish Parkinson’s disease via Bayesian inference. Front. Neurol. 16:1533942.

 

歡迎關(guān)注諾達(dá)思公眾號，了解更多精彩內(nèi)容！